Künstliche Intelligenz – Ein Ausblick auf künftige Entwicklungen

Vergrößern

Der Einsatz von Künstlicher Intelligenz hat in allen Bereichen von Wissenschaft und Gesellschaft zu imposanten Entwicklungen geführt. An weiteren Verbesserungen wird stetig geforscht. Im Rahmen der „KI Lectures“ der LMU spricht Thomas Seidl, Professor für Informatik an der LMU und Direktor des Munich Center for Machine Learning, über aktuelle Entwicklungen und Herausforderungen bei der Anwendung von Methoden der Künstlichen Intelligenz.

In seinem Vortrag stellt er ausgewählte praktische Fragestellungen des maschinellen Lernens vor, insbesondere zur Vorbereitung und Analyse von Daten, die für das automatisierte Lernen nötig sind. Er gibt Einblicke in die Forschung am Munich Center for Machine Learning und wird auf die methodischen Grundlagen und die Entwicklung neuer Technologien bei Bild- und Spracherkennung eingehen.

Vortrag

Prof. Dr. Thomas Seidl

Künstliche Intelligenz – Ein Ausblick auf künftige Entwicklungen

Dienstag, 8.2.2022

18.15-19.45 Uhr

Zur Anmeldung

Drei Fragen an Prof. Dr. Thomas Seidl

Vergrößern

Was sind für Sie die wichtigsten aktuellen Entwicklungen von KI? Was haben lernende Maschinen schon gelernt?

Thomas Seidl: Große Fortschritte gibt es etwa bei der Wissensrepräsentation, also der Frage, wie Wissen auf Rechnern dargestellt werden kann, damit diese solide Vorhersagen treffen und begründete Schlüsse ziehen können. In zahlreichen Anwendungsbereichen hat man mit lernenden Maschinen viel erreicht, beispielsweise in der Sprachverarbeitung und im Bereich Computer Vision. So können Maschinen bei der Analyse von Mitteilungen Emotionen und Gefühle erfassen und komplexe Szenen im Bild erkennen und verstehen, etwa Fußgänger im Straßenverkehr. Die aktuelle methodische Forschung kann nicht nur die beeindruckenden Erfolge feiern, die mit maschinellem Lernen erzielt werden, sondern arbeitet auch an der Robustheit, Zuverlässigkeit, Nachvollziehbarkeit und damit an der Akzeptanz der Methoden für den Einsatz in Wissenschaft, Technik und Gesellschaft.

Haben wir schon genug gelernt, wie Maschinen lernen, um KI-Anwendungen etwa bei Bild- und Spracherkennung gut und sicher zu machen? Worin liegen die Herausforderungen?

Thomas Seidl: Unser Bewusstsein für die Fehlbarkeit aktueller Ansätze ist schon sehr ausgeprägt, etwa wenn es um Verwirrungsmöglichkeiten beim Erkennen von Verkehrszeichen geht. An den Grundlagen für ein vertieftes Verständnis und weitere Verbesserungen wird stetig geforscht. Auch neuronale Netze sind von der grundsätzlichen mathematischen Funktionsweise her sehr gut verstanden. Zu erfassen, wie sich beim Training künstlicher neuronaler Netze Änderungen von Trainingsdaten oder Systemparametern auf die Qualität der Ergebnisse auswirken, ist allerdings noch eine Herausforderung. Allgemein hängt die Qualität von Ergebnissen sehr stark von der Verfügbarkeit und Qualität passender Daten ab. In vielen Anwendungen ist es sehr aufwändig, gute Daten mit gut kuratierten Annotationen zu erhalten. Deshalb werden Techniken wie das sogenannte „few labels learning“ oder „active learning“ entwickelt, um die Daten bestmöglich auszunutzen.

In welchen Bereichen der KI erwarten Sie zukünftig die größten Fortschritte?

Thomas Seidl: Das ist eine schwierige Frage, weil KI sich in sehr vielen Richtungen weiterentwickelt. Bei den Anwendungen erwarte ich weitere Anpassungen an neue Gebiete, die bisher noch nicht von KI durchdrungen sind. Zu den wichtigen Themen der Zukunft werden auch effizientere Berechnungen gehören, sowohl im Hinblick auf den sparsamen Umgang mit Daten als auch auf den Energieverbrauch, sowie mehr Nachvollziehbarkeit von Datenverarbeitungs- und Entscheidungsprozessen. In welche Richtung letzteres gehen könnte, ist derzeit noch unklar – große Fortschritte können auch disruptiv auftreten, d.h. es könnten auch völlig neue Technologien auftreten, die bisherige Lösungen ersetzen.

Prof. Dr. Thomas Seidl ist Professor für Informatik. Er ist Inhaber des Lehrstuhls für Datenbanksysteme und Data Mining an der Fakultät für Mathematik, Informatik und Statistik und Direktor des Munich Center for Machine Learning.

Anmelden zum Vortrag von Prof. Seidl

Zur Reihe der KI Lectures